추가 적립 안내

파이썬 기초부터 라이브러리, 기계학습 입문까지
파이썬은 간결해서 배우기 쉽고, 프로그램을 빠르게 개발할 수 있으며, 인공지능 등 다양한 분야에 활용되어 최근 가장 인기 있는 프로그래밍 언어입니다. 이 책은 풍부한 일러스트와 친절한 설명을 통해 기초 문법부터 차근차근 다지고, 많은 예제 프로그램을 통해 초보자도 파이썬 프로그래밍을 확실히 익힐 수 있습니다. 책의 뒷부분으로 가면 필수 라이브러리와 함수의 활용 등 파이썬의 다양한 기능과 빅데이터 전처리에 필요한 DB 처리, 파일 처리, 인공지능 프로그램인 회귀, 분류문제도 학습하여 인공지능의 기초도 다질 수 있습니다. 각 장의 마지막에는 요약과 연습문제로 앞에서 배운 내용을 다시 한번 확인할 수 있도록 구성되었습니다. 프로그래밍을 처음 접하거나, 프로그래머로서 스킬업을 하고 싶거나, 인공지능 분야를 위해 파이썬을 공부하고자 하는 모든 분들에게 도움이 될 것입니다.

Lesson 1 첫 걸음
Python을 사용해서 프로그램을 작성하는 순서에 대해 배웁니다. Python 공부를 처음 시작하면 조금 생소한 프로그램 언어라 어려울 수도 있습니다. 그러나 이 장에서 다루는 핵심을 이해하면 Python도 쉽게 느껴질 것입니다.

Lesson 2 Python의 기본
1장에서는 Python 코드를 입력하고 실행하는 방법을 배웠습니다. 그러면 앞으로 우리는 어떠한 내용의 코드를 입력하는 것이 좋을까요? 이 장에서는 Python 프로그램의 기본을 배웁니다.

Lesson 3 변수와 식
2장에서는 문자, 수치를 출력하는 방법을 배웠습니다. 3장에서는 Python의 좀 더 프로그램다운 기능을 배웁니다. 이 장에서는 가장 기본적인 변수에 대해서 살펴보고 계산을 하기 위한 식과 연산자도 배웁니다.

Lesson 4 여러 가지 처리
이제까지의 코드에서는 코드 안의 행이 한 구문씩 순서대로 처리되었습니다. 그러나 더욱 복잡한 처리를 할 때는 각 행을 순서대로 처리하는 것만으로는 작성할 수 없는 경우가 있습니다. Python에서도 다른 언어와 같이 처리를 제어할 수 있습니다. 처리를 제어하는 구문을 배웁니다.

Lesson 5 리스트
3장에서는 변수를 사용해서 데이터를 저장하는 것에 대해서 배웠습니다. Python은 여러 개의 값을 합쳐서 저장하는 구조가 많이 있는데 대표적인 구조가 리스트입니다. 많은 데이터를 처리하는 복잡한 코드를 간단히 기술할 수 있는 리스트에 대해서 배웁니다.

Lesson 6 컬렉션
5장에서는 컬렉션 중 하나인 리스트에 대해 배웠습니다. Python에는 그 밖에도 여러 개의 값을 통합해 다루는 컬렉션이 많이 있습니다. 데이터의 특징을 살리고, 대량의 데이터를 더욱 강력하게 다룰 수 있는 다양한 컬렉션에 대해서 배웁니다.

Lesson 7 함수
프로그램이 커지면 코드 안의 여러 장소에 비슷한 처리를 해야 할 때가 있습니다. 본격적인 프로그램을 작성하게 되면 일정한 처리를 합쳐 두고, 다음에 그 처리를 호출하는 기능이 중요해집니다. 이 장에서는 일정한 처리를 합치는 함수라는 새로운 기능에 대해 배웁니다.

Lesson 8 클래스
프로그램이 복잡해짐에 따라 효율적으로 프로그램을 작성할 필요가 있습니다. 클래스를 사용하면 코드를 좀 더 체계적으로 작성할 수 있습니다. 클래스는 본격적인 프로그램을 작성할 때에 사용합니다. 이 장에서는 클래스, 함수를 이용하기 위해서 모듈의 개념에 대해서도 배웁니다.

Lesson 9 문자열과 정규 표현
이 장에서는 문자열의 이용에 대해서 배웁니다. Python에는 다양한 문자열 메서드가 있으며 각종 텍스트 검색이나 조작을 할 수 있습니다. 또한, 정규 표현을 사용할 수도 있습니다. 정규 표현에 의해 패키지를 사용한 강력한 문자열 처리를 할 수 있습니다.

Lesson 10 파일과 예외 처리
대량의 데이터를 다루는 경우에는 파일에 데이터를 읽고 쓰는 것이 요구됩니다. 이 장에서는 파일 읽고 쓰기를 할 때 오류 처리에 활용되는 예외 처리 구조를 배웁니다. Python에서는 표준 라이브러리 등의 다양한 모듈을 사용하면 각종 형식의 파일을 쉽게 읽고 쓸 수 있습니다. 파일에 관한 정보를 알아보는 모듈에 대해서도 설명합니다.

Lesson 11 데이터베이스와 네트워크
데이터베이스는 대량의 데이터를 효율적으로 관리하는 시스템으로, 많은 유용한 데이터가 데이터베이스에 의해 관리됩니다. 데이터 분석 등의 용도로 데이터베이스를 이용할 수도 있을 것입니다. 또한, Web 등에서 정보를 추출하려면 네트워크에 관한 지식도 필요합니다. 이 장에서는 데이터베이스와 네트워크를 이용하는 방법에 대해서 배웁니다.

Lesson 12 기계학습의 기초
컴퓨터의 발전에 의해 대량의 데이터를 다룰 수 있게 된 오늘날, 기계학습이 주목받고 있습니다. 이 장에서는 기계학습을 실시하는 코드를 작성할 때 필요한 지식을 배웁니다. 기계학습에서는 통계학·수학 분야의 지식을 응용하는데, Python에서는 많은 통계·수학 관련 지표를 각종 모듈에 의해 얻을 수 있습니다. 또한, 기계학습에서는 데이터의 가시화도 해야 합니다. 다양한 그래프 그리는 법도 배웁니다.

Lesson 13 기계학습의 응용
기계학습에서 자주 이용되는 방법으로는 회귀와 클러스터링이 있습니다. 이 방법들은 지도학습·비지도학습의 대표적인 방법입니다. 이 장에서는 기계학습을 실제로 구현하며 배워봅니다. Python에서는 기계학습을 할 때에 scikit-learn 패키지가 자주 사용되는데, scikit-learn을 이용한 기계학습 방법에 대해서도 다룹니다.

Appendix A 연습문제 해답
각 장에서 제시되었던 연습문제에 대한 해답을 제시합니다.

Appendix B Quick Reference
주요 함수와 클래스, 표준 라이브러리의 종류와 기능에 대해 알아봅니다.

Lesson 1 첫 걸음
1.1 Python 프로그램
1.2 코드 입력과 실행
1.3 레슨의 정리

Lesson 2 Python의 기본
2.1 코드의 내용
2.2 문자열과 수치
2.3 레슨의 정리

Lesson 3 변수와 식
3.1 변수
3.2 연산자의 기본
3.3 연산자의 종류
3.4 연산자의 우선 순위
3.5 키보드로 입력
3.6 레슨의 정리

Lesson 4 여러 가지 처리
4.1 if 문
4.2 if~elif~else
4.3 논리 연산자
4.4 for 문
4.5 while 문
4.6 구문의 중첩
4.7 처리 흐름의 변경
4.8 레슨의 정리

Lesson 5 리스트
5.1 컬렉션
5.2 리스트의 기본
5.3 리스트의 조작
5.4 리스트의 주의 사항
5.5 리스트의 연결과 슬라이스
5.6 리스트 요소의 조합과 분해
5.7 리스트의 집계와 정렬
5.8 다차원 리스트
5.9 레슨의 정리

Lesson 6 컬렉션
6.1 튜플
6.2 딕셔너리의 기본
6.3 딕셔너리의 조작
6.4 고도의 딕셔너리 조작
6.5 세트
6.6 레슨의 정리

Lesson 7 함수
7.1 함수
7.2 함수의 정의와 호출
7.3 인수
7.4 반환값
7.5 함수에 대한 고수준 기능
7.6 변수와 범위(scope)
7.7 기억 수명
7.8 레슨의 정리

Lesson 8 클래스
8.1 클래스의 기본
8.2 생성자(컨스트럭터)
8.3 클래스 변수 클래스 메서드
8.4 캡슐화
8.5 새로운 클래스
8.6 클래스에 관한 고수준 기능
8.7 모듈
8.8 모듈의 응용
8.9 표준 라이브러리
8.10 레슨의 정리

Lesson 9 문자열과 정규 표현
9.1 문자열의 확인과 조작
9.2 정규 표현
9.3 레슨의 정리

Lesson 10 파일과 예외 처리
10.1 텍스트 파일
10.2 CSV 파일
10.3 JSON 파일
10.4 예외 처리
10.5 시스템 처리
10.6 날짜와 시각
10.7 레슨의 정리

Lesson 11 데이터베이스와 네트워크
11.1 데이터베이스
11.2 데이터베이스의 이용
11.3 조건에 의한 검색
11.4 네트워크의 이용
11.5 레슨의 정리

Lesson 12 기계학습의 기초
12.1 기계학습
12.2 통계 지표
12.3 히스토그램
12.4 산포도
12.5 그 밖의 그래프
12.6 고도의 데이터 처리
12.7 레슨의 정리

Lesson 13 기계학습의 응용
13.1 기계학습의 종류
13.2 선형회귀
13.3 클러스터링
13.4 레슨의 정리

Appendix A 연습문제 해답
Appendix B Quick Reference